Využití gausovských procesů pro aktivní učení

Abstract

Náplní práce jest globální optimalizace neznámé funkce, čili nalezení jejího maxima. K tomu je využito techniky bayesovské optimalizace, která se znalostí několika naměřených hodnot zhotoví odhad této funkce a na jeho základě pak určuje další místa k měření pro co nejrychlejší konvergenci k maximu. Je představeno několik metod k vypracování odhadu včetně jejich vztahů, známou metodou nejmenších čtverců počínaje a gaussovskými procesy konče. Posléze jsou popsány rozhodovací kritéria při volbě nového místa měření, tzv. akviziční funkce, a jsou popsány jejich vlastnosti. Nakonec je získaná teorie použita k řešení reálného problému optimalizace účinnosti elektrického separátoru k třídění plastů.

The main concern of this thesis is global optimization of an unknown function, in another words finding its maximum. The technique of Bayesian optimization is used for this purpose, which creates an estimate of the shape of the function based on a few measured samples and then uses this estimate to specify a location of a new measurement in hope of achieving a quick convergence to the maximum. Several methods for constructing an estimate are introduced, together with their relationships â?? starting with the well known method of least squares and ending with Gaussian processes. Afterwards the criterions on which to base the search for new points to sample are described and their properties are compared. Finally the theory is used for a real problem in optimizing eiciency of an electric separator of plastics.